在电脑屏幕前仰望星空的年轻人：之江实验室以“智能计算”驱动现代天文学研究

算法工程师出身的唐晓瑜，仰望星空的底气来自上个月之江实验室发布的一款名为SpecCLIP的恒星光谱大模型。记者好奇，大模型并不是精密的望远镜仪器，仅靠电脑屏幕上跳动的计算机字符，如何触及动辄几万光年外的浩瀚星空？

唐晓瑜带我们探索了一个神秘的世界。她用随身携带的笔记本电脑，打开中国科学院国家天文台郭守敬望远镜（LAMOST）的网站，随机拷贝下由望远镜观测到的一颗恒星的温度、视向速度（RV）、表面重力加速度等数据，又把这些数据“喂”进SpecCLIP恒星光谱大模型。不到一秒钟，恒星的半径、年龄、有效温度等信息就被精准测算了出来。

这个“一眨眼”的速度，基于大模型算法架构，比传统算法快了整整一万多倍。唐晓瑜形容，利用郭守敬望远镜、欧洲盖亚（GAIA）空间探测器观测的数据，就好比站在巨人的肩膀上探索星空，有了AI大模型的赋能，他们看得比以往更清晰。

之江实验室高级研究专员唐晓瑜正在分享天文基础模型构建方法。 之江实验室供图

SpecCLIP恒星光谱大模型紧紧“抓”住恒星的一个特性：铁氢比。顾名思义，就是恒星内铁与氢的比例，它是推测恒星年龄的重要依据。低铁氢比的恒星通常更古老，形成于金属尚未大量核合成并扩散的宇宙早期。在过去大半个世纪，全世界大型望远镜发现的铁氢比小于-4（金属含量为太阳的万分之一）的恒星总共只有50多颗。

SpecCLIP恒星光谱大模型在短短一个月里，从郭守敬望远镜1000多万条中低分辨率光谱和盖亚空间探测器2亿多条超低分辨率光谱数据中，发现了8148颗古老恒星候选体。

“这意味着那些恒星没有演化很久，带着很早期的宇宙记忆，我们能够据此去推断银河系婴儿时期的样貌。”中国科学院国家天文台、中国科学院大学副教授黄样说。

难以想象，能够处理海量银河系数据的SpecCLIP恒星光谱大模型，由一支仅有五六名年轻科研人员的团队打造，他们当中有对数据着迷的算法专家，也有天体物理学家。

同样生于1990年的之江实验室天文计算研究中心研究专家冯毅，擅长在天文中引入智能计算技术，破解数据筛选和分析难题，让天文数据处理“拨开云雾见月明”。“大模型的引入，为海量天文数据分析开辟了新的思路，能够高效探索宇宙动态演化和瞬变现象，揭示海量数据中蕴含的科学规律。”他说。

“现代天文学发展到今天，越来越需要交叉学科的介入。”黄样告诉记者，去年10月，国家天文台就携之江实验室同步发布了天文大语言模型AstroOne，SpecCLIP恒星光谱大模型也成为其中的重要一员。除此之外，AstroOne还包括用于快速捕捉极端瞬变源的Falco、精确预测太阳活动的SolarGPT以及实时识别伽玛射线暴等高能瞬变源的GRBs X射线探测模型。

国家天文台与尚属年轻的之江实验室牵手，瞄准的就是这支年轻队伍“初生牛犊”的闯劲。

每周一、三、五，之江实验室6号楼的会议室里，都有一群有志青年聚在一起，聚焦世界科技前沿，开展头脑风暴。讲台上，一位青年学者分享近期AI大模型的研究心得，身后有一条醒目的横幅：“热烈讨论、不懂就问、会了就牛、持续学习，成就卓越。”

这群年轻人是之江实验室“种子班”成员。在交叉学科需求越来越强烈的趋势下，“种子班”作为之江实验室体制机制改革的产物应运而生。目前，实验室已举办大模型“种子班”13期，其中包括两期与国家天文台合作开办的天文大模型培训班。AstroOne正是诞生在朝气蓬勃的“种子班”里。

“实验室涉及的高效能计算、太空计算等关键技术，通过单一学科研究中心已经难以突破。”中国工程院院士、之江实验室主任王坚告诉记者，当前，我们迎来了计算驱动的科学革命，其特征是计算密集、数据驱动、模型融合相协同。他相信，和国家天文台等高能级平台的牵手，能激发青年科学家的更大潜力。

AstroOne天文模型现在已共享给全国乃至全球的科学家，截至目前已有清华大学、紫金山天文台、新疆天文台、洛桑联邦理工学院、俄罗斯空间研究所等机构的注册用户，并逐渐在国际天文学社区内形成一定影响力。一位来自俄罗斯的同行这样评价：“对在中国能有一个实验室有那么多人聚焦在‘AI+天文’领域感到非常惊喜。”

银河系里，遥远而古老的恒星依旧发光发热，等待着被人们发现。之江实验室里，这群仰望星空的年轻人，也期待着他们的智慧能够在现代天文学的进程中，留下恒久的光和热。